本博記錄為鹵煮學習過程中的理解，作為備忘demo。其中有錯誤疏漏之處，還請大家幫忙指正。

鹵煮：非文藝小燕兒

本博地址：利用LFW對人臉識別模型進行精度評測

通過caffe進行人臉識別網絡訓練后，得到caffemodel。通常大家在LFW人臉數據集上對該模型進行精度驗證。以下梳理驗證過程：

（1）??????在原始LFW數據集中，截取人臉圖像并保存。（例如：可以使用開源人臉檢測對齊seetaface將人臉crop出來，并保存，建議以原圖像名稱加一個后綴命名人臉圖像）

（2）??????通過python，matlab，或者C++，構建訓練時的網絡結構并加載caffemodel。

（3）??????將截取的人臉送入網絡，每個人臉都可以得到網絡前向運算的最終結果，一般為一個N維向量，并保存，建議以原圖像名稱加一個后綴命名。

（4）??????LFW提供了6000對人臉驗證txt文件，lfw_pairs.txt,其中第1個300人是同一個人的兩幅人臉圖像；第2個300人是兩個不同人的人臉圖像。按照該list，在（3）保存的數據中，找到對比人臉對應的N維特征向量。

（5）??????通過cosine距離/歐式距離計算兩張人臉的相似度。同臉和異臉分別保存到各自對應的得分向量中。

（6） 同臉得分向量按照從小到大排序，異臉向量按照從大到小排序。

（7）? FAR（錯誤接受率）從0~1，按照萬分之一的單位，利用排序后的向量，求FRR（錯誤拒絕率）或者TPR（ture positive ratio）。

（8） 根據7可繪制ROC曲線。

閾值確定

（1）??????將測試人臉對分為10組，用來確定閾值并驗證精讀。

（2）??????自己擬定一個人臉識別相似度閾值范圍，在這個范圍內逐個確認在某一閾值下，選取其中1組數據統計同臉判斷錯誤和異臉判定錯誤的個數。

（3）??????選擇錯誤個數最少的那個閾值，用剩余9組，判斷識別精度。

（4）??????步驟（2）和（3）執行10次，將每次（3）獲取的精度進行累加并求平均，得到最終判定精度。

其中也可以用下述方式替換

自己擬定一個人臉識別相似度閾值范圍，在這個范圍內逐個確認在某一閾值下，針對所有人臉對統計同臉判斷錯誤和異臉判定錯誤的個數，從而計算得出判定精度。

總結

以上是生活随笔為你收集整理的利用LFW对人脸识别模型进行精度评测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。